科研之友
微信
新浪微博
Facebook
分享链接
摘要
案例推理算法中案例之间的相似度非常关键,它影响着案例推理中最重要的两个部分:案例检索和案例重用。不断有研究尝试设计更合理的度量空间,结合神经网络等技术以改进算法关键阶段。该文采用伪度量作为案例的相似度度量,用神经网络拟合案例之间的度量函数及预测案例相似度,在案例重用阶段用新的公式取代以往的聚类方法,减少了构建匹配池阶段案例的匹配数量,解决以往算法重用阶段聚类方法带来信息过早定值化的问题。新设计由算法直接输出预测结果并判断目标案例的分类。实验验证了该算法在实验数据集上对比案例推理、SVM等准确率提升了2%,对比文献[9]的基于伪度量的案例推理算法平均运行时间减少到2.4%,且在正负样本不平衡数据上表现更优,优化了案例推理的过程。
